计算机应用研究

作者：李沿宏,江茜,邹可,袁学东,

单位：四川大学计算机学院,成都610065；

关键词：手势识别,表面肌电信号,卷积神经网络,注意力机制,

基金：四川省重点研发计划资助项目(2020YFG0075)；；

针对目前表面肌电信号（surface electromyography，sEMG）端到端手势识别特征提取不充分、多手势识别准确率不高的问题，提出一种融合注意力机制的多流卷积肌电手势识别网络模型。该模型通过滑动窗口将多通道时域sEMG生成肌电子图，并使用多流卷积神经网络充分提取每个采集通道sEMG的语义特征，然后将其聚合得到丰富的多通道手势语义特征；同时从时间和特征通道维度上计算语义特征的注意力分布图，强化有用特征并弱化无用特征，进一步提高多手势识别准确率。实验使用Ninapro数据集进行训练和测试，并与主流的肌电手势识别模型进行对比。实验结果表明，该模型在识别准确率上具有更好的表现，证明了该模型的有效性。

来源：2021年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第11期